茶樹的作物水分脅迫指數(shù)、光合有效輻射強度與光合參數(shù)的關(guān)系

崔曉 陳文彬 柳革命 王衛(wèi)星

摘要：構(gòu)建茶園環(huán)境信息監(jiān)測系統(tǒng)，研究作物水分脅迫指數(shù)、光合有效輻射強度等與光合參數(shù)的關(guān)系，為茶樹灌溉管理、長勢估計提供參考依據(jù)。通過直接灌溉方式，使得4個水分池土壤濕度為土壤田間持水量的90%、80%、70%、65%;利用無線傳感器網(wǎng)絡(luò)，實現(xiàn)對各水分池的冠層溫度、空氣溫濕度、光合有效輻射強度進行測量，并根據(jù)Idso提出的作物水分脅迫指數(shù)經(jīng)驗公式，計算CWSI和CWSI/PAR;利用SYS-GH30D光合作用儀測得茶樹葉片的凈光合速率、蒸騰速率、氣孔導(dǎo)度;研究數(shù)據(jù)間相關(guān)性，基于隨機采樣一致性進行線性回歸分析，并利用決定性系數(shù)r2對線性回歸分析結(jié)果進行評估。通過茶園環(huán)境信息監(jiān)測系統(tǒng)采集環(huán)境數(shù)據(jù)，并計算CWSI與CWSI/PAR。結(jié)果顯示，Pn、Tr、Gs與CWSI、CWSI/PAR均呈負相關(guān)，CWSI/PAR較CWSI與光合參數(shù)更具相關(guān)性，能夠?qū)崿F(xiàn)光合參數(shù)的估計。CWSI/PAR能夠同步反映茶樹Pn、Tr、Gs參數(shù)的變化狀況。通過對冠層溫度、空氣溫濕度、光合有效輻射強度的測量，實現(xiàn)茶樹光合參數(shù)的估計，可用于指導(dǎo)茶樹的水肥管理。

關(guān)鍵詞：茶樹;無線傳感器網(wǎng)絡(luò);作物水分脅迫指數(shù);光合有效輻射強度;光合參數(shù)

中圖分類號： S571.101? 文獻標(biāo)志碼： A

文章編號：1002-1302（2022）10-0140-05

茶樹發(fā)生干旱脅迫后，葉片往往會發(fā)生凈光合速率（net photosynthetic rate，簡稱Pn）下降、氣孔導(dǎo)度（stomatal conductance，簡稱Gs）下降、蒸騰速率（transpiration rate，簡稱Tr）降低等情況，最終導(dǎo)致作物冠層溫度上升、有機物合成速率下降[1-3]，導(dǎo)致產(chǎn)量下降。類似的研究結(jié)果亦在冬小麥[4-5]、草莓[6]、沙棘[7]、馬鈴薯[8]等作物上有所體現(xiàn)。

作物水分脅迫指數(shù)（crop water stress index，簡稱CWSI）是基于植物溫度的水分狀況量化指標(biāo)。Tanner就植物溫度、蒸騰作用與水分狀況做出了定性分析，并提出太陽輻射入射角度對溫度測量存在影響[9]。Idso等根據(jù)作物干旱脅迫的冠層溫度響應(yīng)，提出CWSI經(jīng)驗?zāi)Ｐ蚚10]。由于CWSI經(jīng)驗?zāi)Ｐ途邆鋮?shù)少，方便測量、計算等優(yōu)點，結(jié)合無線傳感器網(wǎng)絡(luò)低空遙感等現(xiàn)代信息技術(shù)，被廣泛應(yīng)用于作物水分監(jiān)測、灌溉決策以及產(chǎn)量估計中[11-14]。相反，凈光合速率、蒸騰速率、氣孔導(dǎo)度等參數(shù)數(shù)值能夠較為準確地反映作物的水分及生長狀況，但這些參數(shù)的測量往往需要復(fù)雜的儀器設(shè)備，難以應(yīng)用到實際的大田水分管控中。

針對以上研究現(xiàn)狀，本試驗對茶樹作物水分脅迫指數(shù)、光合有效輻射強度（photosynthetically active radiation，簡稱PAR）等與光合參數(shù)的關(guān)系展開研究，為其灌溉管理、長勢估計提供參考依據(jù)。

1 材料與方法

1.1 試驗方案

試驗地點位于華南農(nóng)業(yè)大學(xué)工程學(xué)院南樓。試驗時間為2021年3月16—29日15：00—16：30，即英紅九號茶樹光合作用的第二峰值階段。試驗共選取12株平均高度約為42 cm的英紅九號植株，并分4個水分池種植，水分池為面積15 cm×27 cm，深度為 0.45 m，4個水分池土壤濕度為土壤田間持水量的90%、80%、70%、65%。試驗數(shù)據(jù)通過自主設(shè)計的茶園環(huán)境信息監(jiān)測系統(tǒng)、SYS-GH30D光合作用測定儀等儀器設(shè)備進行采集。

1.2 茶園環(huán)境信息監(jiān)測系統(tǒng)

茶園環(huán)境信息監(jiān)測系統(tǒng)包括環(huán)境信息監(jiān)測節(jié)點、網(wǎng)關(guān)等。環(huán)境信息監(jiān)測節(jié)點負責(zé)采集冠層溫度、土壤濕度、空氣溫濕度、光合有效輻射強度等，并通過Zigbee無線通信模塊將環(huán)境信息傳輸至網(wǎng)關(guān)。網(wǎng)關(guān)主要負責(zé)對環(huán)境信息采集節(jié)點的數(shù)據(jù)反饋進行接收、整理，并保存至CSV文件。

環(huán)境信息監(jiān)測節(jié)點包括電源模塊、Zigbee模塊、STM32最小系統(tǒng)以及各路傳感器，如SM2110B溫濕度傳感器、RY-GH光合有效輻射強度傳感器、T10S-B-HW紅外溫度傳感器（圖1）。其中，紅外溫度傳感器用于測量茶樹冠層溫度，可結(jié)合空氣溫濕度數(shù)據(jù)，用于計算茶樹水分脅迫指數(shù)。

1.3 光合參數(shù)測量

采用賽亞斯科技有限公司生產(chǎn)的SYS-GH30D光合作用測定儀對茶樹葉片凈光合速率、氣孔導(dǎo)度、蒸騰速率進行測量。每株茶樹取頂端葉片2張進行光合參數(shù)的測量，其葉面積均大于測量窗口面積（11 cm2）。對每張葉片進行5次光合參數(shù)測量，并取均值作為該葉片的光合作用情況;同時，取同一水分池葉片光合參數(shù)的均值，作為該水分池的茶樹光合作用情況。

1.4 作物水分脅迫經(jīng)驗值計算

根據(jù)Idso提出作物水分脅迫指數(shù)經(jīng)驗?zāi)Ｐ?，CWSI定義為：

CWSI=（Tc-Ta）-（Tc-Ta）ll（Tc-Ta）ul-（Tc-Ta）ll。（1）

式中：Tc為冠層溫度;Ta為空氣溫度;（Tc-Ta）為冠氣溫差，即作物冠層表面溫度與冠層上方空氣溫度的差;（Tc-Ta）ll為冠氣溫差下限，即作物處于充分灌溉條件下的冠氣溫差;（Tc-Ta）ul為冠氣溫差上限，即作物處于嚴重水分脅迫下，無蒸騰作用下的冠氣溫差。

另外，基于作物在充分灌溉的條件下，冠氣溫差與空氣飽和水汽壓（vapor pressure deficit，簡稱VPD）差成線性關(guān)系，定義水分脅迫下限方程為：

（Tc-Ta）ll=A+B×VPD。 （2）

式中：A、B為線性回歸系數(shù)。試驗通過對充分灌溉條件下茶樹的冠層溫度以及空氣溫濕度進行測量，擬合得出A為-0.166 6，B為0.474 6。

定義水分脅迫上限方程為：

（Tc-Ta）ul=A+B×VPG。（3）

式中：A、B與下限方程相同。VPG為溫度為Ta時的空氣飽和水汽壓差和溫度為Ta+A時的空氣飽和水汽壓差的差，即：

VPG=APDTa-VPDTa+A。（4）

理想情況下，CWSI處于0到1之間。作物缺水程度與作物水分脅迫指數(shù)呈正相關(guān)，可根據(jù)CWSI的值判斷作物的水分脅迫程度。

1.5 基于RANSAC迭代的最小二乘線性回歸

1.5.1 最小二乘回歸

最小二乘法是常用的線性回歸解法，通過最小化誤差平方，實現(xiàn)函數(shù)y=f（x）中參數(shù)的求解。在本研究數(shù)據(jù)分析中，定義函數(shù) y=kx+c為茶樹光合參數(shù)的估算模型，其中x為CWSI或CWSI/PAR，y為凈光合速率等，k、c為未知參數(shù)。

根據(jù)測量數(shù)據(jù)，給定坐標(biāo)為（x1，y1），（x2，y2），…，（xn，yn）。定義y的殘差 ^i為估計值與觀測值的差，公式如下：

^i=yi-y^i。（5）

算法目的為求得最小殘差和，表示為min∑^i，則目標(biāo)函數(shù)表示為如下形式：

J=12（y^-y）T（y^-y）。（6）

其中，y^=[y^1，y^2，…，y^n]T，y=[y1，y2，…，yn]T。

將y^i=k^xi+c^，代入式（6）得：

J=12（Xθ-y）T（Xθ-y）。（7）

其中，X=X11X21xn1，θ=k^c^。

目標(biāo)函數(shù)J對θ求導(dǎo)，并令其等于0，得：

θJ=XT（Xθ-y）=0。（8）

解得：

θ=k^c^=（XTX）-1XT。（9）

由此，可解得每個估算模型的k與c的值。

1.5.2 隨機采樣一致性迭代

隨機采樣一致性（random sample consensus，簡稱 RANSAC）是一種概率算法，能夠?qū)в型恻c數(shù)據(jù)的數(shù)據(jù)擬合參數(shù)模型的迭代方法。內(nèi)點指符合模型的測量數(shù)據(jù);外點指不符合模型的測量數(shù)據(jù)，一般為外界隨機因素干擾導(dǎo)致的噪點。外點的存在會導(dǎo)致模型質(zhì)量降低，影響估算結(jié)果。RANSAC能保證一定數(shù)量內(nèi)點的同時，實現(xiàn)對外點進行去除，實現(xiàn)更好的模型擬合效果[15-17]。

將設(shè)定數(shù)量的隨機數(shù)據(jù)幀作為內(nèi)點，利用“1.5.1”節(jié)所介紹的最小二乘法進行線性回歸。利用此次線性回歸結(jié)果，劃分下次用于回歸計算的內(nèi)點。以此循環(huán)，每次完成回歸計算并對比當(dāng)前模型與上一次模型的殘差，決定是否終止循環(huán)。若當(dāng)前殘差比上一次小，則繼續(xù)執(zhí)行;反之，則終止。軟件執(zhí)行流程如圖2所示。

2 結(jié)果與分析

2.1 相關(guān)性分析

試驗對茶樹葉片凈光合速率、蒸騰速率、氣孔導(dǎo)度、光合有效輻射強度以及用于計算作物水分脅迫指數(shù)經(jīng)驗?zāi)Ｐ偷墓趯訙囟?、空氣溫濕度進行計算以及相關(guān)性分析，結(jié)果如表1所示。其中，Tr與PAR的相關(guān)系數(shù)為0.48，PAR與CWSI相關(guān)系數(shù)為0.57，體現(xiàn)了光合有效輻射增強、溫度上升導(dǎo)致蒸騰作用增強的情況，但同時由于作物關(guān)閉氣孔抑制水分散失的作用，導(dǎo)致冠層溫度上升，水分脅迫指數(shù)上升，這與作物水分脅迫方面以及植物光合作用生理方面的理論研究結(jié)果[18-19]相吻合。

考慮PAR對CWSI的影響，利用PAR對CWSI進行歸一化處理，表示為作物水分脅迫指數(shù)光合有效輻射強度的比值，即CWSI/PAR，并作相關(guān)性分析如表2所示。在部分數(shù)據(jù)，特別在Gs上，相比CWSI與PAR，CWSI/PAR對光合參數(shù)均具有更強的相關(guān)性，可用于作進一步的建模分析。

2.2 線性回歸分析

分別利用CWSI、CWSI/PAR與Pn、Tr、Gs進行線性回歸分析。在數(shù)據(jù)的處理方法上，分別采用最小二乘法線性回歸，以及基于RANSAC迭代的最小二乘線性回歸2種方法進行對比分析。各線性回歸結(jié)果如圖3至圖8所示，其中內(nèi)點圖例表示為“▲”，外點圖例表示為“+”，內(nèi)點數(shù)據(jù)的擬合結(jié)果表示為實線，所有數(shù)據(jù)的擬合結(jié)果表示為虛線。

通過對比各決定性系數(shù)r2可知，RANSAC迭代的線性回歸求解結(jié)果均比直接最小二乘求解更優(yōu)，有效實現(xiàn)了外點數(shù)據(jù)的去除，且CWSI/PAR相比CWSI對Pn、Tr、Gs均有更好的線性表達，能夠?qū)崿F(xiàn)Pn、Tr、Gs參數(shù)的估計。線性回歸分析最優(yōu)結(jié)果如表3所示。

3 討論與結(jié)論

本研究通過無線傳感網(wǎng)絡(luò)對茶樹冠層溫度、空氣溫濕度、光合有效輻射強度進行持續(xù)采集，結(jié)合光合作用測定儀測定的地面數(shù)據(jù)，對茶樹作物水分脅迫指數(shù)經(jīng)驗值、光合有效輻射強度以及各個光合參數(shù)進行了相關(guān)性分析以及線性回歸分析。在完成冠層溫度、空氣溫濕度、光合有效輻射強度等參數(shù)測量的基礎(chǔ)上，結(jié)合該分析結(jié)果，可實現(xiàn)光合參數(shù)估算，達到降低人力成本、提高田間監(jiān)測效率，實現(xiàn)茶樹水分狀況、生長狀況的檢測和估計的目的，為茶園水分管理提供有力的數(shù)據(jù)支持。

本研究基于相關(guān)性分析結(jié)果以及光合作用的相關(guān)理論知識，提出PAR對CWSI進行歸一化處理的方法，利用CWSI/PAR與Pn、Tr、Gs進行線性回歸分析，并與CWSI回歸結(jié)果進行比較。結(jié)果表明，在RANSAC迭代的最小二乘回歸分析下，CWSI/PAR更能同步反映Pn、Tr、Gs等數(shù)值變化。其中，Pn、Tr、Gs線性回歸結(jié)果決定性系數(shù)r2分別為0.662 3、0.784 3、0.760 8。Pn反映的是光合作用產(chǎn)生有機物的量與呼吸作用消耗有機物的量之差。本研究數(shù)據(jù)分析方法在Pn的回歸分析方面稍遜于Tr與Gs。這可能與茶樹光合作用、呼吸作用所需的有機物含量以及反應(yīng)條件有關(guān)。2個反應(yīng)過程復(fù)雜，且涉及較多的酶，溫度等環(huán)境條件會對酶活性產(chǎn)生影響，需要更進一步深入研究。

參考文獻：

[1]Shinozaki K，Yamaguchi-Shinozaki K. Gene networks involved in drought stress response and tolerance[J]. Journal of Experimental Botany，2006，58（2）：221-227.

[2]吳伯千，潘根生. 茶樹對水分脅迫的生理生化反應(yīng)[J]. 浙江農(nóng)業(yè)大學(xué)學(xué)報，1995，21（5）：451-456.

[3]伍炳華. 茶樹水分生理及抗旱性的研究概況與探討[J]. 茶葉科學(xué)簡報，1991，32（1）：1-5.

[4]張玉順，路振廣，張明智，等. 冬小麥葉片氣體交換參數(shù)對水分脅迫的響應(yīng)[J]. 灌溉排水學(xué)報，2020，39（12）：32-40.

[5]孟兆江，孫景生，劉祖貴，等. 調(diào)虧灌溉對冬小麥不同生育階段光合速率的影響[J]. 麥類作物學(xué)報，2011，31（6）：1130-1135.

[6]高 凡，鄭 然，郭家選，等. 不同灌溉模式下草莓對水分脅迫的生理響應(yīng)研究[J]. 灌溉排水學(xué)報，2021，40（1）：1-6.

[7]夏宣宣，吳 芹，張光燦，等. 土壤水分對沙棘光合日變化的影響[J]. 山東建筑大學(xué)學(xué)報，2015，30（5）：441-444.

[8]劉素軍，蒙美蓮，陳有君，等. 水分脅迫下馬鈴薯葉片光合特性的變化及其響應(yīng)機制研究[J]. 西北農(nóng)林科技大學(xué)學(xué)報（自然科學(xué)版），2018，46（8）：29-38.

[9]Tanner C B. Plant temperatures 1[J]. Agronomy Journal，1963，55（2）：210-211.

[10]Idso S B，Jackson R D，Pinter P J Jr，et al. Normalizing the stress-degree-day parameter for environmental variability[J]. Agricultural Meteorology，1981，24：45-55.

[11]Erdem Y，Arin L，Erdem T，et al. Crop water stress index for assessing irrigation scheduling of drip irrigated broccoli （Brassica oleracea L. var. italica）[J]. Agricultural Water Management，2010，98（1）：148-156.

[12]Emekli Y，Bastug R，Buyuktas D，et al. Evaluation of a crop water stress index for irrigation scheduling of bermudagrass[J]. Agricultural Water Management，2007，90（3）：205-212.

[13]孫道宗，王衛(wèi)星，唐勁馳，等. 茶樹水分脅迫建模及試驗[J]. 排灌機械工程學(xué)報，2017，35（1）：65-70，79.

[14]Sun D Z，Jiang S，Wang W X，et al. WSN design and implementation in a tea plantation for drought monitoring[C]//2010 International Conference on Cyber-Enabled Distributed Computing and Knowledge Discovery. Huangshan，China.IEEE，2010：156-159.

[15]李 娜，馬一薇，楊 洋，等. 利用RANSAC算法對建筑物立面進行點云分割[J]. 測繪科學(xué)，2011，36（5）：144-145，138.

[16]喜文飛，趙子龍，王紹君，等. 一種改進的無人機影像拼接粗差剔除算法[J]. 測繪通報，2021（2）：36-39.

[17]袁清珂，張振亞，畢 慶. 改進RANSAC算法在直線擬合中的應(yīng)用[J]. 組合機床與自動化加工技術(shù)，2015（1）：123-125.

[18]袁國富，羅 毅，孫曉敏，等. 作物冠層表面溫度診斷冬小麥水分脅迫的試驗研究[J]. 農(nóng)業(yè)工程學(xué)報，2002，18（6）：13-17.

[19]童翠蕓，王占林，張得芳，等. 土壤水分含量和光照強度對青海云杉光合特性的影響[J]. 內(nèi)蒙古農(nóng)業(yè)大學(xué)學(xué)報（自然科學(xué)版），2020，41（6）：22-26.